networkx学习笔记2:四种网络模型

四种网络模型:规则图,ER随机图,WS小世界网络,BA无标度网络
"""
    规则图:
    random_graphs.random_regular_graph(d, n)方法可以生成一个含有n个节点,每个节点有d个邻居节点的规则图
"""
RG = nx.random_graphs.random_regular_graph(3, 20)  # 随机生成20个节点,每个节点的度都是3,构成一个网络图
pos = nx.spectral_layout(RG)  # 图形样式,这里是根据图的拉普拉斯特征向量排列节点的
nx.draw(RG, pos, with_labels=False, node_size=30)  # 绘制图形
plt.show()

"""
    ER随机图:以概率p连接N个节点中的每一对节点。
    用random_graphs.erdos_renyi_graph(n,p)方法生成一个含有n个节点、以概率p连接的ER随机图
"""
ER = nx.random_graphs.erdos_renyi_graph(20, 0.2)  # 随机生成20个节点,节点间的连接概率都是0.2
pos = nx.shell_layout(ER)  # 图形样式,这里是节点在同心圆上分布
nx.draw(ER, pos, with_labels=False, node_size=30)
plt.show()

"""
    WS小世界网络:
    用random_graphs.watts_strogatz_graph(n, k, p)方法生成一个含有n个节点、每个节点有k个邻居、以概率p随机化重连边的WS小世界网络。
"""
WS = nx.random_graphs.watts_strogatz_graph(20, 4, 0.3)
pos = nx.circular_layout(WS)  # 图形样式,这里是节点在一个圆环上均匀分布
nx.draw(WS, pos, with_labels=False, node_size=30)
plt.show()

"""
    BA无标度网络
    用random_graphs.barabasi_albert_graph(n, m)方法生成一个含有n个节点、每次加入m条边的BA无标度网络
"""
BA = nx.random_graphs.barabasi_albert_graph(20, 1)
pos = nx.spring_layout(BA)  # 图形的布局样式,这里是中心放射状
nx.draw(BA, pos, with_labels=False, node_size=30, node_color='black')
plt.show()
nx.draw()方法,至少接受一个参数:待绘制的网络G

参数:

运行样式:
  - `node_size`:  指定节点的尺寸大小(默认是300)
  - `node_color`:  指定节点的颜色 (默认是红色,可以用字符串简单标识颜色,例如'r'为红色,'b'为绿色等)
  - `node_shape`:  节点的形状(默认是圆形,用字符串'o'标识)
  - `alpha`: 透明度 (默认是1.0,不透明,0为完全透明)
  - `width`: 边的宽度 (默认为1.0)
  - `edge_color`: 边的颜色(默认为黑色)
  - `style`: 边的样式(默认为实现,可选: solid|dashed|dotted,dashdot)
  - `with_labels`: 节点是否带标签(默认为True)
  - `font_size`: 节点标签字体大小 (默认为12)
  - `font_color`: 节点标签字体颜色(默认为黑色)

运用布局:
 circular_layout:节点在一个圆环上均匀分布
 random_layout:节点随机分布
 shell_layout:节点在同心圆上分布
 spring_layout: 用Fruchterman-Reingold算法排列节点(样子类似多中心放射状)
 spectral_layout:根据图的拉普拉斯特征向量排列节点

添加文本:
用plt.title()方法可以为图形添加一个标题,该方法接受一个字符串作为参数。
fontsize参数用来指定标题的大小。例如:plt.title("BA Networks", fontsize = 20)。
如果要在任意位置添加文本,则可以采用plt.text()方法。

“”“

规则图:
networkx学习笔记2:四种网络模型_第1张图片

ER随机图:
networkx学习笔记2:四种网络模型_第2张图片
WS小世界网络:
networkx学习笔记2:四种网络模型_第3张图片
BA无标度网络:
networkx学习笔记2:四种网络模型_第4张图片

你可能感兴趣的:(networkx网络图)